大規(guī)模Web服務開發(fā)技術(shù)pdf完整版【清晰掃描版】

大規(guī)模Web服務開發(fā)技術(shù)這本書是由日本的Hetena團隊以夏天舉辦的實習活動的課程講義為基礎(chǔ)整理的開發(fā)、運營大規(guī)模服務的入門書。該書內(nèi)容簡單充實，處處戳中痛點。作者非常樸實，將這本書的定位在小白初窺門徑的手冊。書中更多的偏重了 Hetena 技術(shù)團隊發(fā)展過程中的實踐經(jīng)驗總結(jié)，將一個系統(tǒng)從無到有的發(fā)展過程有條理的展現(xiàn)了出來。本節(jié)內(nèi)容小編為大家整理帶來的是該書的pdf格式電子版，書籍內(nèi)容完整，雖然是掃描版，但字跡清晰，有需要的朋友點擊本文相應的下載地址即可查閱該書的全部內(nèi)容哦！

大規(guī)模web服務開發(fā)技術(shù)電子書目錄

第1章 大規(guī)模Web服務的開發(fā)定位——掌握整體 2

第0課 本書的起源——本書講述的范圍 3

從事大規(guī)模Web服務開發(fā)——面向大學生的Hatena實習 3

本書講述的內(nèi)容 3

本書不講述的內(nèi)容 5

致今后從事大規(guī)模Web服務的人 5

第1課 大規(guī)模服務和小規(guī)模服務 6

Hatena的服務規(guī)模 6

Hatena是大規(guī)模，Google、Facebook是超大規(guī)模 8

小規(guī)模服務和大規(guī)模服務的區(qū)別 9

應對大規(guī)模數(shù)據(jù)量 11

第2課 持續(xù)增長的服務和大規(guī)�；�的障礙 13

Web服務的困難 13

Hatena的成長經(jīng)歷 13

系統(tǒng)增長戰(zhàn)略——最小化開端、預見變化的管理和設(shè)計 17

第3課 服務開發(fā)現(xiàn)場 18

Hatena的技術(shù)團隊體制 18

Hatena的溝通方式 19

服務開發(fā)的實際狀況 19

開發(fā)所用的工具 21

總結(jié) 23

第2章 大規(guī)模數(shù)據(jù)處理入門

——內(nèi)存和磁盤、Web應用程序和負載 24

第4課 Hatena Bookmark的數(shù)據(jù)規(guī)模 25

以Hatena Bookmark為例介紹大規(guī)模數(shù)據(jù) 25

Hatena Bookmark的數(shù)據(jù)規(guī)模 25

針對大規(guī)模數(shù)據(jù)的查詢——處理大規(guī)模數(shù)據(jù)的感覺 26

第5課 大規(guī)模數(shù)據(jù)處理的難點——內(nèi)存和磁盤 28

為何處理大規(guī)模數(shù)據(jù)如此困難——因為無法在內(nèi)存中

計算 28

內(nèi)存和磁盤的速度差異——內(nèi)存要快105～106倍 28

為何磁盤這么慢？——內(nèi)存和磁盤 29

操作系統(tǒng)層的加速處理 31

傳輸速度和總線的速度差異 31

第6課 可擴展性的要點 37

擴展和可擴展性 37

可擴展性的要點——CPU負載和I/O負載 38

Web應用程序和負載的關(guān)系 38

數(shù)據(jù)庫的可擴展性很難保證 39

第7課 處理大規(guī)模數(shù)據(jù)的基礎(chǔ)知識 44

面向程序員的大規(guī)模數(shù)據(jù)的基礎(chǔ) 44

處理大規(guī)模數(shù)據(jù)的三個重點——寫程序的技巧 44

處理大規(guī)模數(shù)據(jù)之前的三大前提知識——程序開發(fā)的

底層基礎(chǔ) 45

第3章 操作系統(tǒng)的緩存和分布式

——高效處理大規(guī)模數(shù)據(jù)的原理 50

第8課 操作系統(tǒng)的緩存機制 51

在理解操作系統(tǒng)緩存的基礎(chǔ)上編寫應用程序——頁面

緩存 51

虛擬內(nèi)存機制 52

Linux頁面緩存原理 54

VFS 56

Linux以頁面為單位緩存磁盤 57

內(nèi)存空閑時就緩存——通過sar確認 59

增加內(nèi)存降低I/O負載 60

頁面緩存是透明的 61

第9課 降低I/O負載的策略 67

以緩存為前提的降低I/O負載的策略 67

擴展到多臺服務器——無法全部緩存的情況 68

單純增加數(shù)量無法保證可擴展性 69

第10課 利用局部性的分布式 74

什么是利用局部性的分布式？ 74

Partitioning——考慮局部性的分布式 75

根據(jù)訪問模式分割成“島”——考慮局部性的分布式 78

以頁面緩存為前提的基本應用規(guī)則 79

第4章 數(shù)據(jù)庫的橫向擴展策略

——以分布式為基礎(chǔ)的MySQL應用 82

第11課 正確應用索引

——分布式MySQL應用的大前提 83

分布式MySQL應用的三大要點 83

靈活應用操作系統(tǒng)緩存 83

索引的重點——B樹 86

索引的效果 89

確認索引是否有效的方法——explain命令 92

第12課 MySQL的分布式

——以擴展為前提的系統(tǒng)設(shè)計 95

MySQL的replication功能 95

master/slave的特征——對參照系進行擴展，更新類

不擴展 96

第13課 MySQL的橫向擴展和Partitioning 99

MySQL的橫向擴展策略 99

關(guān)于Partitioning（表分割）的補充 99

以Partitioning為前提的設(shè)計 99

避免JOIN——利用where…in… 102

Partitioning的代價 103

第2～4章的小結(jié) 107

第5章 大規(guī)模數(shù)據(jù)處理“實踐”入門

——應用程序開發(fā)的重點 108

第14課 特殊用途索引——處理大規(guī)模數(shù)據(jù) 109

索引和系統(tǒng)架構(gòu)——超過RDBMS的處理能力時 109

特殊用途索引——使用調(diào)優(yōu)后的數(shù)據(jù)結(jié)構(gòu) 111

第15課 理論聯(lián)系實踐 115

探尋必須的技術(shù)條件 115

第2～5章小結(jié) 117

第6章 壓縮編程

——考慮數(shù)據(jù)大小和I/O加速之間的關(guān)系 118

第16課 ［課題］以緊湊、簡潔方式保存整數(shù)數(shù)據(jù) 119

以緊湊方式保存整數(shù)數(shù)據(jù) 119

出題意圖——解決該課題有什么好處？ 119

課題所用文件的內(nèi)容 121

第17課 可變字節(jié)碼和速度的感覺 122

可變字節(jié)碼——用緊湊格式保存整數(shù)數(shù)據(jù) 122

可變字節(jié)碼的偽代碼 123

用“差”存儲已排序整數(shù) 126

（補充）壓縮的基礎(chǔ) 126

（補充）壓縮對象是整數(shù)的情形——背景理論 127

第18課 課題詳解及解答范例 129

課題詳解 129

（參考）pack()函數(shù)——將Perl內(nèi)部數(shù)據(jù)結(jié)構(gòu)以

二進制形式輸出 131

（參考）二進制數(shù)據(jù)的read/write 133

（參考）性能分析 135

解答范例和思路 136

第7章 算法實用化

——從身邊的例子來看理論、研究的實踐投入 142

第19課 算法和算法評測 143

數(shù)據(jù)規(guī)模和復雜度的差異 143

何謂算法？ 144

學習算法的意義——計算機資源有限，工程師的通用

語言 145

算法評測——復雜度記法 146

紙巾能折疊幾次？——O(logn)和O(n)的差距 148

算法和數(shù)據(jù)結(jié)構(gòu)——千絲萬縷的聯(lián)系 149

復雜度和常數(shù)項——評測很重要 150

應用算法的實際情況——簡單就是美 151

靈活應用第三方實現(xiàn)——CPAN等 153

通過實例加深感受 155

第20課 Hatena Diary的關(guān)鍵字鏈接 156

什么是關(guān)鍵字鏈接？ 156

最初的實現(xiàn) 156

出問題了！——關(guān)鍵字字典越來越大 157

用模式匹配實現(xiàn)關(guān)鍵字鏈接的問題 158

從正則表達式到Trie——改變匹配的實現(xiàn)方式 158

Aho-Corasick算法 160

換成Regexp::List 162

關(guān)鍵字鏈接的實現(xiàn)、變遷和考察 163

第21課 Hatena Bookmark的文章分類 164

什么是文章分類？ 164

機器學習和大規(guī)模數(shù)據(jù) 165

大規(guī)模數(shù)據(jù)和Web服務——The Google Way of Science 166

貝葉斯過濾器的原理 167

算法實用化之路——Hatena Bookmark的實例 170

防守姿態(tài)和進攻姿態(tài)——從文檔分類功能說開去 171

第8章 Hatena關(guān)鍵字鏈接的實現(xiàn)

——理解通向應用之路 176

第22課 ［課題］創(chuàng)建Hatena關(guān)鍵字鏈接 177

使用Aho-Corasick算法創(chuàng)建Hatena關(guān)鍵字鏈接 177

編寫測試 180

第23課 解答范例和思路 182

解答范例 182

第9章 挑戰(zhàn)全文搜索技術(shù)

——各種各樣的大規(guī)模數(shù)據(jù)處理經(jīng)驗技巧 184

第24課 全文搜索技術(shù)的應用范圍 185

用Hatena的數(shù)據(jù)創(chuàng)建搜索引擎 185

Hatena Diray的全文搜索——搜索服務之外的搜索

系統(tǒng) 185

Hatena Bookmark的全文搜索——滿足細節(jié)要求的系統(tǒng) 187

第25課 搜索系統(tǒng)的架構(gòu) 190

搜索系統(tǒng)所需的步驟 190

各種各樣的搜索引擎 191

全文搜索的種類 193

第26課 搜索引擎的內(nèi)部結(jié)構(gòu) 198

逆向索引的結(jié)構(gòu)——Dictionary+Postings 198

Dictionary的創(chuàng)建方法——逆向索引的創(chuàng)建方法 200

小結(jié) 210

Postings的創(chuàng)建方法——逆向索引的創(chuàng)建方法 211

關(guān)于評分的補充 213

參考文獻 214

第10章 創(chuàng)建全文搜索引擎

——基本部分、改進、速度和準確度的要求 216

第27課 ［課題］創(chuàng)建Hatena Bookmark全文搜索 217

開發(fā)全文搜索引擎 217

課題內(nèi)容 217

示例數(shù)據(jù)格式和數(shù)據(jù)大小 218

字典的組成——Dictionary、Postings 219

界面 220

基礎(chǔ)部分+改進 220

以速度和準確度一決勝負 221

第28課 答案范例和思路 223

解答范例 223

indexer.pl的實現(xiàn) 223

searcher.pl的實現(xiàn) 225

可以改善的地方 227

第11章 支持大規(guī)模數(shù)據(jù)處理的服務器/基礎(chǔ)設(shè)施入門

—— Web服務的后臺 230

第29課 企業(yè)軟件vs. Web服務 231

企業(yè)軟件vs. Web服務——應用范圍上的差異 231

Web服務的基礎(chǔ)設(shè)施——三個重點 233

第30課 云vs.自行構(gòu)建基礎(chǔ)設(shè)施 235

云計算 235

云的優(yōu)缺點 235

Hatena應用的云服務 236

自行構(gòu)筑基礎(chǔ)設(shè)施的優(yōu)點 237

自行構(gòu)建基礎(chǔ)設(shè)施和垂直結(jié)合模型 239

Hatena的服務規(guī)模 240

Hatena Bookmark的系統(tǒng)架構(gòu)圖 240

第12章 保證可擴展性的必要思路

——規(guī)模擴大和系統(tǒng)擴展 242

第31課 層和可擴展性 243

對可擴展性的要求——一臺服務器能處理的流量極限 243

各層的可擴展性 244

第32課 掌握負載進行調(diào)優(yōu) 245

掌握負載——可視化的管理界面 245

測量負載的指標——平均負載、內(nèi)存和CPU相關(guān)信息 247

根據(jù)用途進行調(diào)優(yōu)——面向用戶的服務器和面向爬蟲

的服務器 247

應用程序服務器、數(shù)據(jù)庫服務器的調(diào)優(yōu)策略和服務器

數(shù)量 249

服務規(guī)模和調(diào)優(yōu) 250

保證可擴展性 251

第13章 保證冗余性和系統(tǒng)的穩(wěn)定化

——實現(xiàn)100%在線率的原理 252

第33課 保證冗余性 253

保證冗余性——應用程序服務器 253

保證冗余性——數(shù)據(jù)庫服務器 254

保證冗余性——存儲服務器 257

第34課 系統(tǒng)穩(wěn)定化 261

保持系統(tǒng)穩(wěn)定的權(quán)衡 261

系統(tǒng)的不穩(wěn)定因素 262

第35課 系統(tǒng)穩(wěn)定對策 267

實際的系統(tǒng)穩(wěn)定對策——維持適當余量，消滅不穩(wěn)定

因素 267

第14章 提高效率

——提高硬件資源的使用率 270

第36課 虛擬化技術(shù) 271

引入虛擬化技術(shù) 271

虛擬化技術(shù)的效果 272

虛擬服務器的構(gòu)建策略 273

總結(jié)虛擬化的優(yōu)勢 275

虛擬化和運營——通過服務器管理工具在運營上發(fā)揮

虛擬化的優(yōu)勢 276

虛擬化的注意點 277

第37課 硬件和提高效率

——實現(xiàn)低成本的關(guān)鍵技術(shù) 280

提高處理器性能 280

內(nèi)存和硬盤成本下降 281

有效利用廉價硬件——以虛擬化為前提的硬件應用 282

SSD 284

第15章 Web服務和網(wǎng)絡

——通過網(wǎng)絡看服務增長 288

第38課 網(wǎng)絡的分界點 289

服務增長和網(wǎng)絡的分界點 289

1Gbps的極限——PC路由器的極限 289

500臺主機的極限——子網(wǎng)、ARP表的極限 290

網(wǎng)絡架構(gòu)的層次化 291

全球化 292

第39課 挑戰(zhàn)更高的極限 295

超越10Gbps的世界 295

Hatena的基礎(chǔ)設(shè)施——第11～15章的總結(jié) 296

第16章 特別篇 當前構(gòu)建Web服務需要的實踐技術(shù)

——應對大規(guī)模Web服務須知 298

特別篇第1課 作業(yè)隊列系統(tǒng)TheSchwartz、Gearman 299

Web服務和請求 299

作業(yè)隊列系統(tǒng)入門 299

Hatena的作業(yè)隊列系統(tǒng) 300

通過日志進行分析 302

特別篇第2課 存儲方式的選擇RDBMS還是

key-value存儲 303

如何保存不斷增加的數(shù)據(jù) 303

選擇存儲系統(tǒng)的前提條件 304

存儲系統(tǒng)的種類 305

RDBMS 305

分布式key-value存儲 308

分布式文件系統(tǒng) 310

其他存儲 312

存儲系統(tǒng)的選擇策略 314

特別篇第3課 緩存系統(tǒng)——Squid、Varnish 315

Web應用程序負載與代理/緩存系統(tǒng) 315

Squid——基本結(jié)構(gòu) 317

Varnish 321

特別篇第4課 計算集群——Hadoop 323

大量日志數(shù)據(jù)的并行處理 323

MapReduce計算模型 323

Hadoop 325

索引 327

大規(guī)模web服務開發(fā)技術(shù)作者簡介

伊藤直也(Naoya Ito)

Hatena株式會社董事兼CTO。合著作有《BlogHacks(0‘Reilly Japan)、《“24小時365天”服務器／基礎(chǔ)設(shè)施的支撐技術(shù)》(技術(shù)評論社)。曾獲情報處理學會主辦的“Software Japan 2009”的Software JapanAward獎，以及“樂天Technical Conference 2008”的Technology Award銀獎。

田中慎司(Shinji Tanaka)

Hatena株式會社董事，信息學博士。合著有《“24小時365天”服務器／基礎(chǔ)設(shè)施的支撐技術(shù)》(技術(shù)評論社)一書，還主持過多本著作的翻譯。支撐著Hatena服務器的是由600多臺服務器構(gòu)成的系統(tǒng)，現(xiàn)在這一系統(tǒng)的性能及設(shè)備運維由他全權(quán)負責。

大規(guī)模web服務開發(fā)技術(shù)內(nèi)容簡介

Hatena是日本最大的Web服務提供商之一，它提供的服務包括關(guān)鍵字（類似于維基百科）、博客、相冊等。《大規(guī)模Web服務開發(fā)技術(shù)》由伊藤直也、田中慎司所著，內(nèi)容主要來自Hatena為學生們舉行的暑期實習的課程，內(nèi)容涵蓋廣泛，介紹了性能優(yōu)化、分布式、算法、系統(tǒng)架構(gòu)等各個方面，甚至還介紹了硬件的經(jīng)濟成本，是運維工程師們必不可少的參考書。書中還包括幾個算法實習課題，介紹了壓縮算法、全文搜索等算法的實現(xiàn)方法，對于打算靠Web創(chuàng)業(yè)的人不失為一本很不錯的參考書。

大規(guī)模web服務開發(fā)技術(shù)電子書內(nèi)容截圖